买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东交通大学;南京航空航天大学申请的专利一种高速列车牵引电机系统智能故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115906617B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211353951.8，技术领域涉及：G06F30/27；该发明授权一种高速列车牵引电机系统智能故障诊断方法是由张坤鹏;李昊;姜斌;陈复扬设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种高速列车牵引电机系统智能故障诊断方法在说明书摘要公布了：一种高速列车牵引电机系统智能故障诊断方法，包括如下步骤：1从牵引电机故障模型和正常模型统一建模的需求出发，结合牵引电机系统故障机理特性，在牵引电机稳态点附近建立牵引电机系统早期故障模型，用可测的微弱电流信号重构对故障敏感的电磁转矩信号；2构建基于经验模态分解、本征模态函数IMF能量熵和故障属性知识描述的故障特征矩阵，实现准确表征牵引电机健康状态并满足故障属性迁移的要求；3采用改进改灰狼优化算法来解决支持向量机分类模型对参数依赖问题，据此设计多类故障准确识别率来实现牵引电机状态精准预测，为智能运维模式实现提供一个可行的方法。

本发明授权一种高速列车牵引电机系统智能故障诊断方法在权利要求书中公布了：1.一种高速列车牵引电机系统智能故障诊断方法，其特征是按如下步骤： 1按牵引电机故障模型和正常模型统一建模的方式，结合牵引电机系统故障机理特性，在牵引电机稳态点附近建立牵引电机系统早期故障模型，用可测的微弱电流信号重构对故障敏感的电磁转矩信号； 结合电机正常模型和执行器早期故障分析方法，故障模型和正常模型统一描述如下： 式中usa,usb为电机定子侧a相和b相电压，isa,isb为电机定子侧a相和b相电流，和为电机定子侧a相和b相磁通，ω为电机转速，J为电机转动惯量，Rr,Rs分别为定子和转子电阻，Lr,Ls,M分别为定子自感，转子自感和互感，f为电机控制信号故障； 2构建基于经验模态分解、本征模态函数IMF能量熵和故障属性知识描述的故障特征，实现准确表征牵引电机健康状态并满足故障属性迁移的要求； 给定电磁转矩信号xt，经验模态分解的基本步骤如下： Step1：找出信号的局部最大值点和局部最小值点，求出xt的上包络ut、下包络lt，求出均值包络线m1： h1t＝xt‑m1t                           3h1为原数据减去包络平均值的新数据序列，判断h1是否满足： ①局部极值点和过零点的个数相等，或最多相差一个； ②在任意时刻点局部上包络和下包络的均值为零； 若满足，则记h1为xt的第一个本征模态分量IMF1； Step2：若h1t不是IMF1，则重复式2‑3，将h1t作为原始信号处理，得到h2t： h2t＝h1t‑m2t                           4Step3：反复筛选k次，若hk满足IMF条件，则hk称为IMF的第k个分量，有hkt＝hk‑1t‑mkt                           5记c1为电磁转矩信号xt的第一个IMF分量，表示xt的最高频率分量，c1＝h1； Step4：从xt中分离c1，得到残差信号r1tr1t＝xt‑c1t                             6Step5：将r1t视为原始信号，重复Step2～Step4，可得到电磁转矩信号xt的第二个IMF分量c2，一直重复Step1～Step4k次，得到k个IMF： Step6：当rkt为单调函数时，则无法提取xt的IMF，分解过程停止，得到下式： 其中cit为本征模态函数，rkt为残差分量； 3采用改进改灰狼优化算法解决支持向量机分类模型对参数依赖，设计多类故障准确识别率来实现牵引电机状态精准预测； 用改进的灰狼优化算法对支持向量机进行惩罚参数C和核参数σ寻优，以支持向量机分类准确率F为适应度，即： 式中m为测试集的故障类别个数，lm为第n类测试集故障识别正确个数，ln为n第类测试集样本总数； 将优化得到的最佳参数建立故障诊断模型，步骤如下： Step 1、电磁转矩特征矩阵训练数据和测试数据归一化； Step 2、种群初始化，根据混沌映射式10、式11产生灰狼群体位置及对应的C和σ初始值： yt＝xtub‑lb+lb                           11式中xt、xt+1分别表示第t个与t+1个灰狼在一维空间个体的位置，yt表示第t个狼在一维空间位置映射到解空间的位置，ub、lb表示优化变量区间的最大值和最小值； Step 3、根据训练样本和支持向量机训练模型，再结合测试样本和式9计算适应度，根据适应度大小分出α、β、δ狼； Step 4、根据控制参数自适应调整和惯性权重位置更新策略，更新灰狼群体的位置，得到优化的C和σ； Step 5、若达到最大迭代次数输出最优惩罚因子C和核参数σ，否则跳至Step3； Step 6、输出最优SVM故障诊断模型，并用该模型对测试集进行故障诊断并输出诊断结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东交通大学;南京航空航天大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。